Ejercicio optativo de Teledetección

Ejercicio propuesto por: Mariela Rajngewerc

La imagen original fue bajada de la página del earthexplorer. En esa página se pueden bajar imágenes con distinto nivel de pre-procesamiento. Para este ejercicio bajamos una imagen de nivel de procesamiento 2, esto quiere decir que los valores de los pixeles representan la reflectancia en superficie en distintas longitudes de onda. Acá pueden encontrar el manual de estas imagenes donde les detallan la descripción tanto de los nombres de lor archivos como de los preprocesamiento que tienen realizados.

Para este ejercicio hemos realizado un clip de cada una de las bandas originales de la imagen y ya multiplicamos a cada una de las bandas por el factor de escala indicado en el manual (0,0001).

Las longitudes de onda y la resoluciones de cada banda de la imágen se describen a continuación:

Banda Longitud de onda (nanómetros) Resolución espacial (metros)
Banda 1 - Aerosoles 430 - 450 30
Banda 2 - Azul 450 - 510 30
Banda 3 - Verde 530 - 590 30
Banda 4 - Rojo 640 - 670 30
Banda 5 - Infrarrojo cercano 850 - 880 30
Banda 5 - Infrarrojo medio 1 1570 - 1650 30
Banda 7 - Infrarrojo medio 2 2110 - 2290 30

En la carpeta clip encontrarán los datos que vamos a usar en los ejercicios. Cada banda del clip se encuentra en formato .npy

Importamos bibliotecas

Importamos las bibliotecas y abrimos algunas bandas de datos

Levanto los datos

Ploteamos banda roja

Conviene setear el rango de valores para que se vea mejor. Para saber qué rango, miramos el histograma

Usemos entonces el rango [0, 2] para visualizar la banda roja

Miro la Banda Infraroja

Repitamos el procedimiento con NIR (near infrared)

Por un lado podemos ver muchos pixeles con bajo valor esto es el Río de la Plata, posteriormente una distribución gaussiana correspondiente a la tierra.

Uso ese mismo rango apra visualizar la imágen.

Veamos las dos bandas, una bajo la otra

En la banda del rojo la vegetacion refleja poco mientras que en el infrarrojo refleja mucho.

Si modifico las matrices obtengo imagenes con colores "falsos"

El cómputo de atributos: caso NDVI (índice verde)

El Índice de Vegetación de Diferencia Normalizada, también conocido como NDVI por sus siglas en inglés. Este índice, basado en la intensidad de la radiación de dos bandas del espectro electromagnético que interactúan particularmente con la vegetación, aporta información sobre la cantidad, estado y desarrollo de la misma. Para calcular el NDVI se utilizan las bandas espectrales Roja e Infrarroja

images.png

Graficamos el ndvi:

Distribución de clases según vegetación

Clases en el mapa:

Recortes (clips)

El caso de kmeans

Usamos un algoritmo de clustering para obtener clusters de pixels similares a partir de los datos de NDVI calculados antes.

Visualizamos los resultados

Distingue pixeles con y sin agua.

Ahora con tres clases

Tenemos agua, y dentro de la tierra tenemos dos clases: mucha vegetación y poca vegetación

Con mas clases podemos empezar a ver diferentes grados de urbanización